CN109711301A - 驾驶人员审核方法、装置、计算机设备和存储介质 - Google Patents
驾驶人员审核方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109711301A CN109711301A CN201811548324.3A CN201811548324A CN109711301A CN 109711301 A CN109711301 A CN 109711301A CN 201811548324 A CN201811548324 A CN 201811548324A CN 109711301 A CN109711301 A CN 109711301A
- Authority
- CN
- China
- Prior art keywords
- driver
- information
- mood
- image
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及人工智能中的生物识别,特别涉及微表情识别中的情绪识别,也即一种驾驶人员审核方法、装置、计算机设备和存储介质。所述方法包括:接收驾驶人员图像与驾驶证图片,提取驾驶证图片中包含的人脸图像,并比对驾驶人员图像以及人脸图像得到图像比对结果;提取驾驶证图片中包含的驾驶证详细信息,并查询驾驶证详细信息得到第一查询结果;根据图片比对结果与第一查询结果得到第一验证结果;获取行驶证信息,查询行驶证信息得到第二验证结果;根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则查询驾驶情绪信息;根据目标验证结果与驾驶情绪信息输出驾驶人员审核结果。采用本方法能够提高审核效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种驾驶人员审核方法、装置、计算机设备和存储介质。
背景技术
由于汽车的数量增长,则为了保证道路安全与行车安全,需要进行道路监管,通常都需要对驾驶员资格与车辆的情况进行查询。
传统地,在道路监管的过程中,通常都是采用人工进行审核,而人工进行审核耗费大量时间,导致对驾驶员审核效率低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高审核效率的驾驶员评价方法、装置、计算机设备和存储介质。
一种驾驶人员审核方法,所述方法包括:
接收驾驶人员图像与驾驶证图片,提取所述驾驶证图片中包含的人脸图像,并比对所述驾驶人员图像以及所述人脸图像得到图像比对结果;
提取所述驾驶证图片中包含的驾驶证详细信息,并查询所述驾驶证详细信息得到第一查询结果;
根据所述图片比对结果与所述第一查询结果得到第一验证结果;
获取行驶证信息,查询所述行驶证信息得到第二验证结果;
根据所述第一验证结果与所述第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据所述驾驶人员图像查询驾驶情绪信息;
根据所述目标验证结果与驾驶情绪信息输出驾驶人员审核结果。
在一个实施例中,所述根据所述驾驶人员图像查询驾驶情绪信息包括:
查询所述驾驶人员图像对应的当前情绪为标准情绪的情绪概率;
对所得到的所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断所提取的标准情绪对应的情绪类型是否相同;
当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计所述当前情绪信息对应的帧数,根据所述帧数与所述当前情绪信息得到驾驶情绪信息。
在一个实施例中,所述判断所提取的标准情绪对应的情绪类型是否相同之后,包括:
当所提取的所述标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;
根据所述情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;
获取所述目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;
将所述最大值对应的所述情绪类型作为当前情绪信息。
在一个实施例中,所述比对所述驾驶人员图像以及所述人脸图像得到图像比对结果,包括:
采集所述驾驶人员图像中包含的第一待比对特征,并获取所述人脸图像所包含的第二待比对特征;
比对所述第一待比对特征与所述第二待比对特征得到图像相似度;
根据所述图像相似度得到图像比对结果。
在一个实施例中,所述方法还包括;
获取预存储的待匹配图像,将所述驾驶人员图像与所述待匹配图像进行比对;
当比对成功时,则提取所述待匹配图像关联的待匹配信息;
查询所述待匹配信息是否关联有风险等级高于预设等级的事件;
当关联有风险等级高于预设等级的事件时,则获取当前位置信息,并将所述当前位置信息、所述驾驶人员图像以及所述待匹配信息发送至安全服务器。
在一个实施例中,所述获取行驶证信息,查询所述行驶证信息得到第二验证结果,包括:
接收行驶证图片,从所述行驶证图片中获取行驶证信息;
将所述行驶证信息与预存储的待比对信息进行比对得到信息比对结果;
查询所述行驶证图片中的所述行驶证信息的信息位置以及信息格式,并得到第二查询结果;
根据所述比对结果与所述第二查询结果生成第二验证结果。
一种驾驶人员审核装置,所述装置包括:
第一比对模块,用于接收驾驶人员图像与驾驶证图片,提取所述驾驶证图片中包含的人脸图像,并比对所述驾驶人员图像以及所述人脸图像得到图像比对结果;
第二比对模块,用于提取所述驾驶证图片中包含的驾驶证详细信息,并查询所述驾驶证详细信息得到第一查询结果;
第一生成模块,用于根据所述图片比对结果与所述第一查询结果得到第一验证结果;
第二生成模块,用于获取行驶证信息,查询所述行驶证信息得到第二验证结果;
查询模块,用于根据所述第一验证结果与所述第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据所述驾驶人员图像查询驾驶情绪信息;
输出模块,用于根据所述目标验证结果与驾驶情绪信息输出驾驶人员审核结果。
在一个实施例中,所述查询模块,包括:
第一查询单元,用于查询所述驾驶人员图像对应的当前情绪为标准情绪的情绪概率;
排序单元,用于对所得到的所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断单元,用于判断所提取的标准情绪对应的情绪类型是否相同;
获取单元,用于当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计单元,用于统计所述当前情绪信息对应的帧数,根据所述帧数与所述当前情绪信息得到驾驶情绪信息。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述驾驶人员审核方法、装置、计算机设备和存储介质,无需人工逐一进行审查,可以比对驾驶人员图像与驾驶证图片得到比对结果,继而查询驾驶证详细信息得到查询结果,根据图片比对结果与第一查询结果得到第一验证结果,进而获取行驶证信息,查询行驶证信息得到第二验证结果,根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据驾驶人员图像查询驾驶情绪信息,根据目标验证结果与驾驶情绪信息输出驾驶人员审核结果,从而可以提高审核效率。
附图说明
图1为一个实施例中驾驶人员审核方法的应用场景图;
图2为一个实施例中驾驶人员审核方法的流程示意图;
图3为一个实施例中驾驶情绪信息获取步骤的流程示意图;
图4为一个实施例中驾驶人员审核装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的驾驶人员审核方法,可以应用于如图1所示的应用环境中。其中,终端102与服务器104通过网络进行通信。服务器104接收终端102发送的驾驶人员图像与驾驶证图片,比对驾驶人员图像以及驾驶证图片得到图片比对结果,提取驾驶证图片中包含的驾驶证详细信息,并查询驾驶证详细信息得到第一查询结果,根据图片比对结果与第一查询结果得到第一验证结果,获取形式证信息,查询行驶证信息得到第二验证结果,根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据驾驶人员图像查询驾驶情绪信息,根据目标验证结果与驾驶情绪信息输出驾驶人员审核结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种驾驶人员审核方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202:接收驾驶人员图像与驾驶证图片,提取驾驶证图片中包含的人脸图像,并比对驾驶人员图像以及人脸图像得到图像比对结果。
具体地,驾驶人员图像是指通过终端采集得到的驾驶人员的当前图像。具体地,终端采集得到当前的驾驶人员图像与驾驶证图片,进而将驾驶人员图像与驾驶证图片发送至服务器,服务器接收到驾驶人员图像与驾驶证图片,从驾驶证图片中提取人脸图像,将人脸图像与驾驶人员图像采用训练完成的人脸识别模型进行比对,得到比对结果,也即比对结果可以显示驾驶人员图像与驾驶证图像是否是同一人。可以是,当服务器接收到终端发送的驾驶人员图像与驾驶证图片,则服务器通过人脸检测模型识别到人脸特征,从而根据人脸特征检测出对应的人脸区域,进而提取人脸区域作为人脸图像,服务器获取到驾驶人员图像与人脸图像,则将驾驶人员图像与人脸图像进行特征比对,从而得到驾驶人员图像与人脸图像是否是同一个人,也即驾驶人员与驾驶证持有者是否是同一人。
S204:提取驾驶证图片中包含的驾驶证详细信息,并查询驾驶证详细信息得到信息查询结果。
具体地,服务器从驾驶证图片中提取包含的驾驶证详细信息,从提取到的驾驶证详细信息中提取包含的字段,从而将该字段对应的数据与预存储的安全数据进行比对得到信息比对结果,该信息比对结果即为第一查询结果。具体地,当服务器获取到驾驶证图片时,则可以先将驾驶证图片进行二值化处理,进而将经过二值化处理的驾驶证图片中包含的信息数据进行边缘平滑处理,进而通过训练完成的识别模型从二值化处理的驾驶证图片中识别信息数据,从而该信息数据即为驾驶证详细信息,服务器从识别出的驾驶证详细信息中查询包含的不同字段,如姓名、身份证信息、驾驶证信息,进而不同字段对应的数据,并将提取得到的数据与预存储的安全数据进行比对,查询驾驶证详细信息是否有更改或作假,服务器得到比对结果,该比对结果即为第一查询结果。
S206:根据图片比对结果与第一查询结果得到第一验证结果。
具体地,第一验证结果是指服务器对驾驶证进行验证时得到的驾驶证验证结果。当服务器得到图片比对结果与第一查询结果时,则可以根据图片比对结果输出第一验证结果。可以是,当图片比对结果与第一查询结果均为通过时,则第一验证结果即为驾驶证验证为验证通过,当图片比对结果或第一查询结果中任一项结果为不通过时,则驾驶证中有信息造假,则第一验证结果为驾驶证验证不通过。
S208:获取行驶证信息,查询行驶证信息得到第二验证结果。
具体地,第二验证结果是指对行驶证信息进行验证所得到的结果。具体地,服务器还可以对行驶证信息进行验证,可以验证行驶证中的信息是否是真实信息,也即服务器可以接收终端发送的行驶证信息,服务器可以将行驶证信息是否是真实的行驶证信息,也即可以查询行驶证信息是否是预存储的安全行驶证信息,以及行驶证信息格式以及显示方式是否正确,从而得到行驶证信息对应的第二验证结果。
S210:根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据驾驶人员图像查询驾驶情绪信息。
具体地,目标验证结果是指对驾驶证以及行驶证进行验证的最终结果。驾驶情绪信息是指驾驶员的当前的整体情绪。具体地,服务器得到第一验证结果与第二验证结果时,可以得到目标验证结果,进而当目标验证结果为验证通过时,则可以对驾驶人员进行进一步分析,如分析驾驶人员是否是疲劳驾驶或者是否有可疑情绪等,对驾驶人员进行分析可以是查询驾驶人员图像对应的微表情信息,根据微表情信息查询得到驾驶情绪信息。可以是,服务器当得到第一验证结果与第二验证结果均通过,则目标验证结果为验证通过,则根据获取到的驾驶人员图像,查询驾驶人员的微表情信息,从而根据微表情信息查询到驾驶人员图像对应的驾驶情绪信息,如是否有显示疲劳的情绪信息,或者是否有可疑情绪信息等。需要说明的是,当第一验证结果或第二验证结果中任一项不通过时,则对驾驶证的验证或者行驶证的验证结果为不通过,则目标验证结果即为不通过。
S212:根据所述目标验证结果与驾驶情绪信息输出驾驶人员审核结果。
具体地,服务器根据得到的目标验证结果以及驾驶情绪信息可以得到驾驶人员审核结果,并可以将驾驶人员审核结果发送至终端,可以是,当服务器获取到目标验证结果为验证通过,驾驶情绪信息为无异常时,则输出驾驶人员审核结果为审核通过,当目标验证结果以及驾驶情绪信息中任一项存在异常时,则将异常项进行输出,并将得到的驾驶人员审核结果发送至终端。
本实施例中,在对驾驶人员进行审核时,无需人工进行核查,也即可以直接接收驾驶人员图像与驾驶证图片,提取驾驶证图片中包含的人脸图像,并比对驾驶人员图像以及人脸图像得到图像比对结果,提取驾驶证图片中包含的驾驶证详细信息,并查询驾驶证详细信息得到第一查询结果,根据图片比对结果与第一查询结果得到第一验证结果,获取行驶证信息,查询行驶证信息得到第二验证结果,根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据驾驶人员图像查询驾驶情绪信息,进而根据驾驶情绪信息与目标验证结果输出驾驶人员审核结果,从而提高审核效率,且避免人工对信息审查的不准确,提高审查的准确率,且在审核过程中还可以对驾驶情绪信息进行审核,可以查询是否是疲劳驾驶的情绪信息或者是出现可疑情绪等,从而提高安全性,增强适用性。
在一个实施例中,根据驾驶人员图像查询驾驶情绪信息包括:查询驾驶人员图像对应的当前情绪为标准情绪的情绪概率;对所得到的情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;判断所提取的标准情绪对应的情绪类型是否相同;当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息;统计当前情绪信息对应的帧数,根据帧数与当前情绪信息得到驾驶情绪信息。
在一个实施例中,判断所提取的标准情绪对应的情绪类型是否相同之后,包括:当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,请参见图3,提供一驾驶情绪信息获取步骤的流程示意图,驾驶情绪信息获取步骤,也即根据驾驶人员图像查询驾驶情绪信息,包括:查询驾驶人员图像对应的当前情绪为标准情绪的情绪概率;对所得到的情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;判断所提取的标准情绪对应的情绪类型是否相同;当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息;统计当前情绪信息对应的帧数,根据帧数与当前情绪信息得到驾驶情绪信息;当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;将最大值对应的情绪类型作为当前情绪信息。
具体地,标准情绪是指预设的微表情所对应的情绪,预设的微表情可以是不同种类的微表情,如54种微表情等。情绪概率是指按照训练完成的微表情识别模型得到的每种预设的微表情的概率,且情绪概率越大则为该种微表情的可能性越高。情绪类型是指将不同的微表情所对应的情绪进行分类得到的不同情绪分区,可以是,将相近的情绪作为同一个情绪类型,也即可以是,将54种预设的微表情所对应的情绪中相近的情绪作为同一个情绪类型,例如,可以有亢奋,兴奋,高兴,一般,心情不太好,无聊,低落,紧张的情绪类型,且每种情绪类型中包含有相近的情绪。目标概率是指对应有相同的情绪类型的标准情绪所关联的概率,该目标概率可以由对应在相同的情绪类型中不同的标准情绪所对应的情绪概率进行计算得到,也即可以是对应在相同的情绪类型中的不同的标准情绪所对应的情绪概率相加得到。
具体地,服务器接收到每一帧驾驶人员图像中当前情绪为每种标准情绪的情绪概率,进而服务器将接收到的情绪概率进行排序,排序可以从大到小排序,服务器获取到预设数量,从排序完成的情绪概率提取与预设数量对应数量的标准情绪,进而查询提取到的标准情绪所对应的情绪类型,并判断标准情绪所对应的情绪类型是否相同,当提取得到的标准情绪所对应的情绪类型不同时,则查询情绪概率最大的标准情绪所对应的情绪类型,将该情绪类型作为当前情绪信息。当服务器查询到标准情绪对应有相同的情绪类型时,则为了判断准确,避免直接选取情绪概率最大的标准情绪所对应的情绪类别作为当前情绪信息,也即查询对应相同的情绪类型的不同标准情绪的情绪概率,将对应相同的情绪类型的不同标准情绪的情绪概率进行求和得到目标概率,进而将该目标概率与对应在不相同的情绪类型的标准情绪的情绪概率进行比对,将比对结果大的所对应的情绪类型作为当前情绪信息,当服务器获取到当前情绪信息时,则统计当前情绪信息所对应的驾驶人员图像的帧数,服务器根据得到的当前情绪信息,以及当前情绪信息所对应的驾驶人员图像的帧数得到驾驶情绪信息。需要说明的是,当当前情绪信息所对应的驾驶人员图像的帧数为一帧时,则驾驶情绪信息即为当前情绪信息,当驾驶人员图像为多帧时,则可以是查询当前情绪信息所对应的驾驶人员图像的帧数,选取当前情绪信息所对应的驾驶人员图像的帧数最多的当前情绪信息作为驾驶情绪信息。
例如,当服务器接收到驾驶人员图像时,则接收驾驶人员图像所对应的当前情绪为标准情绪的概率,也即可以是先查询驾驶人员图像所对应的不同标准情绪的概率,也即查询驾驶人员图像对应的54种标准情绪的情绪概率,将获取到的情绪概率进行排序,排序可以是从大到小进行排序,进而获取到预设数量,如预设数量为3,则将排序后的情绪概率排在前三位的标准情绪进行提取,进而查询排在前三位的标准情绪所对应的不同的情绪类型,如情绪类型分别为低落、无聊、紧张,也即此时情绪类型为不同的情绪类型,进而查询情绪概率最大的标准情绪所对应的情绪类型,如为低落,则此时低落即为待分析驾驶人员图像中的当前情绪信息,且当驾驶人员图像有不同帧时,则可以采用相同方法,可以识别驾驶人员图像中其他帧待评估图像的当前情绪信息。另外,当服务器查询查询排在前三位的标准情绪所对应的情绪类型中有相同的情绪类型,如排名第一位的标准情绪对应为无聊,而排名第二位的标准情绪和排名第三位的标准情绪对应有相同的情绪类型,也即对应在低落,则计算对应在低落情绪类型的标准情绪的情绪概率的总和作为目标概率,将该目标概率与对应在低落情绪类别的标准情绪所对应的情绪概率进行比较,选择比较结果大的概率的标准情绪所对应的情绪类型作为当前情绪信息。需要说明的是,本实施例中,情绪概率是由对应的情绪识别服务器获取到相应的人脸图像,采集人脸图像上的预设表情特征,进而将表情特征输入到训练完成的微表情识别模型中进行识别,得到当前表情是每一种微表情的概率,也即为情绪概率。服务器根据得到的当前情绪信息,以及当前情绪信息所对应的驾驶人员图像的帧数得到驾驶情绪信息。例如,当当前情绪信息所对应的驾驶人员图像的帧数为一帧时,则驾驶情绪信息即为当前情绪信息,当驾驶人员图像为多帧时,则可以是查询不同的当前情绪信息所对应的驾驶人员图像的帧数,选取当前情绪信息所对应的驾驶人员图像的帧数最多的当前情绪信息作为驾驶情绪信息。当服务器得到驾驶情绪信息时,则可以根据驾驶情绪信息查询驾驶人员的状态,服务器可以将驾驶情绪信息预存的情绪评价进行比对,当比对成功时,则查询驾驶情绪信息所关联的驾驶情绪评价,如是否是疲劳或者是否为可疑情绪等。
本实施例中,获取驾驶人员图像对应的当前情绪信息则无需人工进行分析,提高查询当前情绪信息的效率,且避免主观性分析导致分析不准确,提高分析情绪的准确性,且在当服务器提取到的标准情绪对应有相同的情绪类型时,则避免直接采用情绪概率最大的标准情绪所对应的情绪类别作为当前情绪信息导致不准确,则查询情绪类型相同的标准情绪,并根据情绪类型相同的标准情绪所对应的情绪概率计算得到目标概率,进而获取到目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值,将最大值对应的情绪类型作为当前情绪信息,保证获取到当前情绪信息的准确性,且可以根据驾驶人员图像的帧数以及当前情绪信息得到驾驶情绪信息,得到驾驶情绪信息的效率高。
在一个实施例中,比对所述驾驶人员图像以及所述人脸图像得到图像比对结果,包括:采集所述驾驶人员图像中包含的第一待比对特征,并获取所述人脸图像所包含的第二待比对特征;比对所述第一待比对特征与所述第二待比对特征得到图像相似度;根据所述图像相似度得到图像比对结果。
具体地,第一待比对特征是指包含在驾驶人员图像中包含的可以应用在人脸识别模型中的特征。第二待比对特征是指包含在人脸图像中包含的可以应用在人脸识别模型中的特征。具体地,服务器可以查询人脸识别模型中所需的特征,则从驾驶人员图像中提取第一待比对特征,进而从人脸图像中提取包含的第二待比对特征,将得到的第一待比对特征与第二待比对特征输入至人脸识别模型中,根据人脸识别模型对第一待比对特征与第二待比对特征进行比对,根据比对结果输出图像相似度,进而获取到相似度阈值,当图像相似度超过相似度阈值时,则图像比对结果为驾驶人员图像与人脸图像表示为相同的人。需要说明的是,人脸识别模型可以采用神经网络算法模型,也可以采用几何特征的方法等。
本实施例中,服务器可以采集驾驶人员图像中包含的第一待比对特征,并获取人脸图像包含的第二待比对特征,比对第一带比对特征与第二待比对特征得到图像相似度,从而当图像相似度得到图像比对结果,则比对方法简单易行。
在一个实施例中,驾驶人员审核方法还包括:获取预存储的待匹配图像,将驾驶人员图像与待匹配图像进行比对;当比对成功时,则提取待匹配图像关联的待匹配信息;查询待匹配信息是否关联有风险等级高于预设等级的事件;当关联有风险等级高于预设等级的事件时,则获取当前位置信息,并将当前位置信息发送至安全服务器。
具体地,待匹配图像是指预存储的与待匹配信息所对应的图像,可以将驾驶人员图像与待匹配图像进行比对,从而得到与待匹配图像关联的待匹配信息,从而根据待匹配信息查询该驾驶人员是否为可疑人员。待匹配信息是指预存储的安全信息,且该安全信息可以是根据待匹配图像进行查询得到的,待匹配信息是根据公安网预存储的安全信息,可以是该匹配图像对应的人员的基本信息与详细信息,如待匹配信息为待匹配图像对应的人员的姓名、身份证号码、年龄等。安全服务器是指具有高级核查权限的部门的服务器,高级核查权限如公安部门等。具体地,可以根据驾驶人员图像查询到待匹配图像,从而可以查询该驾驶人员是否关联有高风险事件,也即服务器获取到预存储的待匹配图像,进而将从终端接收到的驾驶人员图像与待匹配图像进行比对,可以是,服务器获取驾驶人员图像中包含的第一图像特征,并获取待匹配图像中包含的第二图像特征,并将第一图像特征与第二图像特征进行比对从而可以得到比对相似度,查询比对相似度是否超过阈值,当超过阈值时,则驾驶人员图像与待匹配图像显示为同一人,也即服务器将驾驶人员图像与待匹配图像比对成功时,则服务器提取待匹配图像关联的待匹配信息,进而查询待匹配信息是否关联有风险等级高于预设等级的事件,也即查询是否有相应的违法事件等,当待匹配信息关联有风险等级高于预设等级的事件,则该驾驶人员为需要进行进一步核查,如驾驶人员需要由公安机关进行核查,从而服务器获取终端的位置信息,该位置信息可以是坐标信息,并将获取到的当前位置信息,终端采集得到的驾驶员图像以及待匹配信息发送至安全服务器,从而使得驾驶人员接受进一步核查。
本实施例中,服务器可以根据驾驶人员图像查询对应的驾驶人员是否存在有风险等级高于预设等级的事件,也即可以是获取预存储的待匹配图像,将驾驶人员图像与待匹配图像进行比对,当比对成功时,则提取待匹配图像关联的待匹配信息,查询待匹配信息是否关联有风险等级高于预设等级的事件,当关联有风险等级高于预设等级的事件,则获取当前位置信息,并将当前位置信息、驾驶人员图像以及待匹配信息发送至安全服务器,从而可以增强安全性,并且增强适用性。
在一个实施例中,获取行驶证信息,查询所述行驶证信息得到第二验证结果,包括:接收行驶证图片,从行驶证图片中获取行驶证信息;将行驶证信息与预存储的待比对信息进行比对得到信息比对结果;查询行驶证图片中的行驶证信息的信息位置以及信息格式,并得到第二查询结果;根据比对结果与第二查询结果生成第二验证结果。
具体地,服务器可以查询行驶证是否为真实行驶证,也即可以查询行驶证的信息是否进行篡改或者行驶证是否为伪造行驶证,也即终端可以采集行驶证图片,并将采集到的行驶证图片发送至服务器,当服务器接收到行驶证图片时,则对行驶证图片进行二值化处理,并将二值化处理后的行驶证图片中包含的字符数据进行边缘平滑处理,进而提取进行边缘平滑处理的字符数据作为行驶证信息,服务器获取到预存储的行驶证信息也即待比对信息,进而服务器将获取到的行驶证信息与带比对信息进行比对,比对可以逐个字符数据进行比对,也即查询行驶证信息是否经过篡改,从而得到比对结果,进而服务器查询预存储的行驶证信息的信息位置以及信息格式,如信息填写的具体坐标,信息所对应的字体,行驶证盖章的坐标等,从而查询行驶证信息的信息位置与预设的信息位置进行比对,以及将行驶证信息的信息格式与预设的信息格式进行比对,从而服务器得到第二查询结果,服务器可以根据得到的比对结果与第二查询结果生成第二验证结果,可以是当比对结果以及第二查询结果两项均通过则第二验证结果为验证通过,当比对结果与第二查询结果中任一项未通过则第二验证结果即为未通过。
本实施例中,服务器还可以对行驶证信息进行验证从而得到验证结果,也即在对驾驶人员进行审核时,可以对不同的维度进行审核,增强适用性,并提高审核的准确性。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种驾驶人员审核装置,包括:第一比对模块410、第二比对模块420、第一生成模块430、第二生成模块440、查询模块450和输出模块460,其中:
第一比对模块410,用于接收驾驶人员图像与驾驶证图片,提取所述驾驶证图片中包含的人脸图像,并比对所述驾驶人员图像以及所述人脸图像得到图像比对结果;
第二比对模块420,用于提取所述驾驶证图片中包含的驾驶证详细信息,并查询所述驾驶证详细信息得到第一查询结果;
第一生成模块430,用于根据所述图片比对结果与所述第一查询结果得到第一验证结果;
第二生成模块440,用于获取行驶证信息,查询所述行驶证信息得到第二验证结果;
查询模块450,用于根据所述第一验证结果与所述第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据所述驾驶人员图像查询驾驶情绪信息;
输出模块460,用于根据所述目标验证结果与驾驶情绪信息输出驾驶人员审核结果。
在一个实施例中,所述查询模块450,包括:
第一查询单元,用于查询所述驾驶人员图像对应的当前情绪为标准情绪的情绪概率;
排序单元,用于对所得到的所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断单元,用于判断所提取的标准情绪对应的情绪类型是否相同;
获取单元,用于当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计单元,用于统计所述当前情绪信息对应的帧数,根据所述帧数与所述当前情绪信息得到驾驶情绪信息。
在一个实施例中,所述查询模块450,可以包括:
第二查询单元,用于当所提取的所述标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;
计算单元,用于根据所述情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;
最大值获取单元,用于获取所述目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值,还用于将所述最大值对应的所述情绪类型作为当前情绪信息。
在一个实施例中,所述第一比对模块410,包括:
采集单元,用于采集所述驾驶人员图像中包含的第一待比对特征,并获取所述人脸图像所包含的第二待比对特征;
相似度比对单元,用于比对所述第一待比对特征与所述第二待比对特征得到图像相似度;
比对结果生成单元,用于根据所述图像相似度得到图像比对结果。
在一个实施例中,所述驾驶人员审核装置,还包括;
第三比对模块,用于获取预存储的待匹配图像,将所述驾驶人员图像与所述待匹配图像进行比对;
待匹配信息提取模块,用于当比对成功时,则提取所述待匹配图像关联的待匹配信息;
时间查询模块,用于查询所述待匹配信息是否关联有风险等级高于预设等级的事件;
发送模块,用于当关联有风险等级高于预设等级的事件时,则获取当前位置信息,并将所述当前位置信息、所述驾驶人员图像以及所述待匹配信息发送至安全服务器。
在一个实施例中,所述第二生成模块440,包括:
行驶证图片接收单元,用于接收行驶证图片,从所述行驶证图片中获取行驶证信息;
信息比对单元,用于将所述行驶证信息与预存储的待比对信息进行比对得到信息比对结果;
信息查询单元,用于查询所述行驶证图片中的所述行驶证信息的信息位置以及信息格式,并得到第二查询结果;
第二验证结果生成单元,用于根据所述比对结果与所述第二查询结果生成第二验证结果。
关于驾驶人员审核装置的具体限定可以参见上文中对于驾驶人员审核方法的限定,在此不再赘述。上述驾驶人员审核装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储驾驶人员审核数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种驾驶人员审核方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:接收驾驶人员图像与驾驶证图片,提取驾驶证图片中包含的人脸图像,并比对驾驶人员图像以及人脸图像得到图像比对结果。提取驾驶证图片中包含的驾驶证详细信息,并查询驾驶证详细信息得到第一查询结果。根据图片比对结果与第一查询结果得到第一验证结果。获取行驶证信息,查询行驶证信息得到第二验证结果。根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据驾驶人员图像查询驾驶情绪信息。根据目标验证结果与驾驶情绪信息输出驾驶人员审核结果。
在一个实施例中,处理器执行计算机程序时实现根据驾驶人员图像查询驾驶情绪信息包括:查询驾驶人员图像对应的当前情绪为标准情绪的情绪概率。对所得到的情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪。判断所提取的标准情绪对应的情绪类型是否相同。当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息。统计当前情绪信息对应的帧数,根据帧数与当前情绪信息得到驾驶情绪信息。
在一个实施例中,处理器执行计算机程序时实现判断所提取的标准情绪对应的情绪类型是否相同之后,包括:当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪。根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率。获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值。将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,处理器执行计算机程序时实现比对驾驶人员图像以及人脸图像得到图像比对结果,包括:采集驾驶人员图像中包含的第一待比对特征,并获取人脸图像所包含的第二待比对特征。比对第一待比对特征与第二待比对特征得到图像相似度。根据图像相似度得到图像比对结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预存储的待匹配图像,将驾驶人员图像与待匹配图像进行比对。当比对成功时,则提取待匹配图像关联的待匹配信息。查询待匹配信息是否关联有风险等级高于预设等级的事件。当关联有风险等级高于预设等级的事件时,则获取当前位置信息,并将当前位置信息、驾驶人员图像以及待匹配信息发送至安全服务器。
在一个实施例中,处理器执行计算机程序时实现获取行驶证信息,查询行驶证信息得到第二验证结果,包括:接收行驶证图片,从行驶证图片中获取行驶证信息。将行驶证信息与预存储的待比对信息进行比对得到信息比对结果。查询行驶证图片中的行驶证信息的信息位置以及信息格式,并得到第二查询结果。根据比对结果与第二查询结果生成第二验证结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:接收驾驶人员图像与驾驶证图片,提取驾驶证图片中包含的人脸图像,并比对驾驶人员图像以及人脸图像得到图像比对结果。提取驾驶证图片中包含的驾驶证详细信息,并查询驾驶证详细信息得到第一查询结果。根据图片比对结果与第一查询结果得到第一验证结果。获取行驶证信息,查询行驶证信息得到第二验证结果。根据第一验证结果与第二验证结果得到目标验证结果,当目标验证结果为验证通过时,则根据驾驶人员图像查询驾驶情绪信息。根据目标验证结果与驾驶情绪信息输出驾驶人员审核结果。
在一个实施例中,计算机程序被处理器执行时实现根据驾驶人员图像查询驾驶情绪信息包括:查询驾驶人员图像对应的当前情绪为标准情绪的情绪概率。对所得到的情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪。判断所提取的标准情绪对应的情绪类型是否相同。当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的情绪类型作为当前情绪信息。统计当前情绪信息对应的帧数,根据帧数与当前情绪信息得到驾驶情绪信息。
在一个实施例中,计算机程序被处理器执行时实现判断所提取的标准情绪对应的情绪类型是否相同之后,包括:当所提取的标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪。根据情绪类型相同的标准情绪对应的情绪概率计算得到目标概率。获取目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值。将最大值对应的情绪类型作为当前情绪信息。
在一个实施例中,计算机程序被处理器执行时实现比对驾驶人员图像以及人脸图像得到图像比对结果,包括:采集驾驶人员图像中包含的第一待比对特征,并获取人脸图像所包含的第二待比对特征。比对第一待比对特征与第二待比对特征得到图像相似度。根据图像相似度得到图像比对结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预存储的待匹配图像,将驾驶人员图像与待匹配图像进行比对。当比对成功时,则提取待匹配图像关联的待匹配信息。查询待匹配信息是否关联有风险等级高于预设等级的事件。当关联有风险等级高于预设等级的事件时,则获取当前位置信息,并将当前位置信息、驾驶人员图像以及待匹配信息发送至安全服务器。
在一个实施例中,计算机程序被处理器执行时实现获取行驶证信息,查询行驶证信息得到第二验证结果,包括:接收行驶证图片,从行驶证图片中获取行驶证信息。将行驶证信息与预存储的待比对信息进行比对得到信息比对结果。查询行驶证图片中的行驶证信息的信息位置以及信息格式,并得到第二查询结果。根据比对结果与第二查询结果生成第二验证结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种驾驶人员审核方法,所述方法包括:
接收驾驶人员图像与驾驶证图片,提取所述驾驶证图片中包含的人脸图像,并比对所述驾驶人员图像以及所述人脸图像得到图像比对结果;
提取所述驾驶证图片中包含的驾驶证详细信息,并查询所述驾驶证详细信息得到第一查询结果;
根据所述图片比对结果与所述第一查询结果得到第一验证结果;
获取行驶证信息,查询所述行驶证信息得到第二验证结果;
根据所述第一验证结果与所述第二验证结果得到目标验证结果,当所述目标验证结果为验证通过时,则根据所述驾驶人员图像查询驾驶情绪信息;
根据所述目标验证结果与所述驾驶情绪信息输出驾驶人员审核结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述驾驶人员图像查询驾驶情绪信息,包括:
查询所述驾驶人员图像对应的当前情绪为标准情绪的情绪概率;
对所得到的所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断所提取的标准情绪对应的情绪类型是否相同;
当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计所述当前情绪信息对应的帧数,根据所述帧数与所述当前情绪信息得到驾驶情绪信息。
3.根据权利要求1所述的方法,其特征在于,所述判断所提取的标准情绪对应的情绪类型是否相同之后,包括:
当所提取的所述标准情绪对应有相同的情绪类型时,则查询情绪类型相同的标准情绪;
根据所述情绪类型相同的标准情绪对应的情绪概率计算得到目标概率;
获取所述目标概率以及情绪类型不相同的标准情绪的情绪概率中的最大值;
将所述最大值对应的所述情绪类型作为当前情绪信息。
4.根据权利要求1所述的方法,其特征在于,所述比对所述驾驶人员图像以及所述人脸图像得到图像比对结果,包括:
采集所述驾驶人员图像中包含的第一待比对特征,并获取所述人脸图像所包含的第二待比对特征;
比对所述第一待比对特征与所述第二待比对特征得到图像相似度;
根据所述图像相似度得到图像比对结果。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括;
获取预存储的待匹配图像,将所述驾驶人员图像与所述待匹配图像进行比对;
当比对成功时,则提取所述待匹配图像关联的待匹配信息;
查询所述待匹配信息是否关联有风险等级高于预设等级的事件;
当关联有风险等级高于预设等级的事件时,则获取当前位置信息,并将所述当前位置信息、所述驾驶人员图像以及所述待匹配信息发送至安全服务器。
6.根据权利要求1所述的方法,其特征在于,所述获取行驶证信息,查询所述行驶证信息得到第二验证结果,包括:
接收行驶证图片,从所述行驶证图片中获取行驶证信息;
将所述行驶证信息与预存储的待比对信息进行比对得到信息比对结果;
查询所述行驶证图片中的所述行驶证信息的信息位置以及信息格式,并得到第二查询结果;
根据所述比对结果与所述第二查询结果生成第二验证结果。
7.一种驾驶人员审核装置,其特征在于,所述装置包括:
第一比对模块,用于接收驾驶人员图像与驾驶证图片,提取所述驾驶证图片中包含的人脸图像,并比对所述驾驶人员图像以及所述人脸图像得到图像比对结果;
第二比对模块,用于提取所述驾驶证图片中包含的驾驶证详细信息,并查询所述驾驶证详细信息得到第一查询结果;
第一生成模块,用于根据所述图片比对结果与所述第一查询结果得到第一验证结果;
第二生成模块,用于获取行驶证信息,查询所述行驶证信息得到第二验证结果;
查询模块,用于根据所述第一验证结果与所述第二验证结果得到目标验证结果,当所述目标验证结果为验证通过时,则根据所述驾驶人员图像查询驾驶情绪信息;
输出模块,用于根据所述目标验证结果与所述驾驶情绪信息输出驾驶人员审核结果。
8.根据权利要求7所述的装置,其特征在于,所述查询模块,包括:
第一查询单元,用于查询所述驾驶人员图像对应的当前情绪为标准情绪的情绪概率;
排序单元,用于对所得到的所述情绪概率进行排序,并根据排序后的情绪概率提取与预设数量对应的数量的标准情绪;
判断单元,用于判断所提取的标准情绪对应的情绪类型是否相同;
获取单元,用于当所提取的标准情绪对应的情绪类型不同时,则获取情绪概率最大的标准情绪所对应的所述情绪类型作为当前情绪信息;
统计单元,用于统计所述当前情绪信息对应的帧数,根据所述帧数与所述当前情绪信息得到驾驶情绪信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811548324.3A CN109711301A (zh) | 2018-12-18 | 2018-12-18 | 驾驶人员审核方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811548324.3A CN109711301A (zh) | 2018-12-18 | 2018-12-18 | 驾驶人员审核方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711301A true CN109711301A (zh) | 2019-05-03 |
Family
ID=66256720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811548324.3A Pending CN109711301A (zh) | 2018-12-18 | 2018-12-18 | 驾驶人员审核方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711301A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321935A (zh) * | 2019-06-13 | 2019-10-11 | 上海上湖信息技术有限公司 | 业务事件关系确定方法及装置、计算机可读存储介质 |
CN110334696A (zh) * | 2019-07-31 | 2019-10-15 | 爱驰汽车有限公司 | 驾驶舱模拟体验系统、方法、设备及存储介质 |
CN110826435A (zh) * | 2019-10-23 | 2020-02-21 | 上海能塔智能科技有限公司 | 驾驶中人脸识别验证方法、装置、车载设备和存储介质 |
CN114724290A (zh) * | 2020-12-18 | 2022-07-08 | 北京万集科技股份有限公司 | 车辆管理方法和装置 |
-
2018
- 2018-12-18 CN CN201811548324.3A patent/CN109711301A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110321935A (zh) * | 2019-06-13 | 2019-10-11 | 上海上湖信息技术有限公司 | 业务事件关系确定方法及装置、计算机可读存储介质 |
CN110321935B (zh) * | 2019-06-13 | 2022-03-15 | 上海上湖信息技术有限公司 | 业务事件关系确定方法及装置、计算机可读存储介质 |
CN110334696A (zh) * | 2019-07-31 | 2019-10-15 | 爱驰汽车有限公司 | 驾驶舱模拟体验系统、方法、设备及存储介质 |
CN110826435A (zh) * | 2019-10-23 | 2020-02-21 | 上海能塔智能科技有限公司 | 驾驶中人脸识别验证方法、装置、车载设备和存储介质 |
CN114724290A (zh) * | 2020-12-18 | 2022-07-08 | 北京万集科技股份有限公司 | 车辆管理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729383B (zh) | 双录视频质量检测方法、装置、计算机设备和存储介质 | |
CN109711301A (zh) | 驾驶人员审核方法、装置、计算机设备和存储介质 | |
CN109783338A (zh) | 基于业务信息的录制处理方法、装置和计算机设备 | |
CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
CN110533288A (zh) | 业务办理流程检测方法、装置、计算机设备和存储介质 | |
CN109766770A (zh) | 服务质量评价方法、装置、计算机设备和存储介质 | |
CN109242740A (zh) | 身份信息风险评定方法、装置、计算机设备和存储介质 | |
CN110489415B (zh) | 一种数据更新方法及相关设备 | |
CN109816200B (zh) | 任务推送方法、装置、计算机设备和存储介质 | |
CN109766766A (zh) | 员工工作状况监控方法、装置、计算机设备和存储介质 | |
CN109767322A (zh) | 基于大数据的可疑交易分析方法、装置和计算机设备 | |
CN109886554B (zh) | 违规行为判别方法、装置、计算机设备和存储介质 | |
CN109815489A (zh) | 催收信息生成方法、装置、计算机设备和存储介质 | |
CN109801151B (zh) | 财务造假风险监控方法、装置、计算机设备和存储介质 | |
CN109903045B (zh) | 行为轨迹监控方法、装置、计算机设备和介质 | |
US11436443B2 (en) | Testing machine learning (ML) models for robustness and accuracy using generative deep learning | |
CN110674479B (zh) | 异常行为数据实时处理方法、装置、设备及存储介质 | |
CN111861240A (zh) | 可疑用户识别方法、装置、设备及可读存储介质 | |
CN109871445A (zh) | 欺诈用户识别方法、装置、计算机设备和存储介质 | |
CN112329811A (zh) | 异常账号识别方法、装置、计算机设备和存储介质 | |
CN112733146B (zh) | 基于机器学习的渗透测试方法、装置、设备及存储介质 | |
CN115174231B (zh) | 一种基于AI Knowledge Base的网络欺诈分析方法及服务器 | |
CN110717650A (zh) | 单据数据处理方法、装置、计算机设备和存储介质 | |
CN109829640A (zh) | 企业违约风险的识别方法、装置、计算机设备和存储介质 | |
CN110517007A (zh) | 仲裁申请立案审核处理方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |